"帮我写一个产品描述，要种草风格。"
豆包给你的回答可能是这样的："这款产品采用了先进的技术，具有出色的性能，是您理想的选择。"
你看了想翻白眼。这叫种草？这叫说明书。
问题出在哪？AI 训练数据里见过无数种草文案，但"种草"这个词太宽泛了——小红书姐妹体、抖音口语体、B 站二次元体……它不知道你要的是哪一种。
解决方案：给它一个例子。
你回复："参考这个风格：'姐妹们！！这个洗面奶我真的爱了！洗完脸滑滑的不紧绷，成分还超温和！敏感肌闭眼入！'"AI 立刻就懂了："天呐这个面霜绝了！！涂上去水水润润的，第二天起来脸都在发光！成分党看了都放心！回购一万年！"
一个例子，比十句描述都管用。
这个技巧叫 Few-shot
Few-shot 的意思是"少量示例"——你在 Prompt 里给 AI 看几个输入-输出的配对示例，它就能模仿这个模式来处理你的实际任务。
- Zero-shot：不给例子，直接说任务。"帮我写个种草文案。"
- One-shot：给一个例子。"参考这个风格写：XXX"
- Few-shot：给两到五个例子。"参考以下三个例子的风格写：XXX、YYY、ZZZ"
例子越多，AI 理解得越准确。但通常一个到两个就够了。
为什么例子这么有效？
回到大模型的本质——它是在"猜下一个 Token"。
当你只说"种草风格"，AI 的预测空间巨大，它只能选一个"平均"风格输出，结果哪都不像。当你给了一个例子，预测空间瞬间收窄——AI 从例子中提取了句式、用词、语气、节奏等具体特征，然后按照这些特征来生成。
例子就是你心中"理想输出"的具象化。 你可能说不清想要什么风格，但你一看例子就知道"对，就是这个感觉"。AI 也一样。
怎么选好的例子？
好例子有三个特征：
一、和实际任务同类。 你让 AI 写产品文案，例子就应该是产品文案，不能是新闻稿。同类才能模仿。
二、风格和质量是你期望的。 例子就是 AI 的"标杆"——你给平庸的例子，它就学出平庸的输出；你给精彩的例子，它就学出精彩的输出。
三、简短但完整。 一两句话就够了，关键是那几句话能充分体现你想要的感觉。
实战场景
场景一：统一回复风格。 有一堆客户咨询邮件要回复，希望每封风格一致。
示例输入："你好，我想问一下你们的产品支不支持定制？" 示例输出："亲，感谢您的咨询！我们支持定制服务哦您可以把具体需求发给我，我帮您对接定制团队，一般 3 个工作日就能给您方案。有任何问题随时找我"
一个例子，AI 就学会了语气、用词习惯和沟通节奏，之后每封回复都会保持这个风格。
场景二：数据格式转换。 有一堆杂乱的数据，想让 AI 统一格式。
示例输入："张三 男 28 北京 软件工程师" 示例输出：{"name": "张三", "gender": "男", "age": 28, "city": "北京", "occupation": "软件工程师"}
一个例子就够，后面的数据它都会自动转成 JSON。
场景三：情感分析。 有一堆用户评论，想让 AI 判断正面还是负面。
示例输入："这个产品太好用了，已经推荐给朋友了！" 示例输出：正面 示例输入："等了两周才发货，到了还跟图片不一样。" 示例输出：负面
两个例子，AI 就学会了你对"正面"和"负面"的定义标准。
场景四：写作风格迁移。 希望 AI 用特定风格帮你写东西。
"参考以下写作风格：'技术的终极目标不是让人崇拜技术，而是让人忘记技术的存在。最好的工具是你感觉不到它在那里的工具。'请用这个风格写一段关于 AI 助手的文字。"
AI 会模仿这种短句、对仗、有哲理感的风格来输出。
Few-shot 的常见误区
误区一：例子太多。 给了十个例子，AI 反而困惑——它不知道该学哪个。两到三个通常就够了，多了反而增加噪声。
误区二：例子质量不高。 你给一个平庸的例子，期望 AI 写出更好的内容——不可能。AI 是模仿者，不是超越者，例子的质量决定了输出质量的下限。
误区三：例子和实际任务不匹配。 你让 AI 写英文邮件，却给中文例子——AI 会困惑该用什么语言。例子要尽量和实际任务的场景一致。
和角色扮演法的组合
Few-shot 和角色扮演法（详见 part2-03《角色扮演法：一句话让 AI 变成你的专属顾问》）可以叠加使用：
"你是一个资深美食博主。参考以下风格： '这家店我愿意排队两小时！那个牛肉入口即化，配上他家的秘制酱汁，我整个人都被治愈了。'
请用这个风格写一段关于一家日式拉面店的推荐。"
角色设定了"美食博主"的方向，例子设定了具体的语言风格——两者结合，AI 的输出会精准到让你惊讶。
一句话总结
说不清你想要什么？给一个例子。一个好例子胜过十句描述——它能让 AI 精准捕捉到你心中的"理想输出"。这就是 Few-shot 的力量。